高等学校电子信息类专业系列教材·人工智能人工智能概论

目录

第1章人工智能概述

1．1人工智能简介

1．1．1人工智能的定义

1．1．2人工智能的起源和发展

1．2人工智能产业框架体系

1．2．1基础层

1．2．2技术层

1．2．3应用层

1．3人工智能核心技术

1．3．1基础技术

1．3．2通用技术

1．3．3应用技术

1．4人工智能的意义及挑战

1．4．1发展人工智能的战略意义

1．4．2人工智能发展趋势

1．4．3人工智能的冲击与挑战

本章总结

本章习题

第2章Python语言基础

2．1Python概述

2．1．1Python简介

2．1．2Python版本

2．1．3Python语言特色

2．1．4Python应用领域

2．2Python程序

2．2．1什么是程序

2．2．2编写并运行Python程序

2．2．3使用Jupyter Notebook

2．2．4调试程序

2．3Python基础知识

2．3．1Python基础语法

2．3．2变量

2．3．3基础数据类型

2．3．4运算符

2．3．5表达式

2．4序列、映射

2．4．1序列及其通用操作

2．4．2列表的基本操作

2．4．3列表和元组的相互转化

2．4．4字典

2．5流程控制语句

2．5．1条件语句

2．5．2循环语句

2．6函数与模块

2．6．1抽象

2．6．2函数

2．6．3模块

2．7文件操作

2．7．1文件

2．7．2打开文件

2．7．3关闭文件

2．7．4读取文件内容

2．7．5读取全部内容

2．7．6向文件写入数据

2．8客服机器人案例分析

2．8．1谋定而后动

2．8．2拆解复杂问题

2．8．3整合在一起

2．9影评词云数据分析案例

2．9．1安装jieba库

2．9．2安装WordCloud库

2．9．3编码实现

本章总结

本章习题

第3章机器学习

3．1机器学习简介

3．1．1什么是机器学习

3．1．2机器学习发展历史

3．1．3机器学习应用领域

3．2机器学习进阶

3．2．1机器学习种类

3．2．2基本术语

3．2．3机器学习的流程

3．3线性模型

3．3．1预测工资——线性回归

3．3．2泰坦尼克号生存预测——逻辑回归

3．4监督学习

3．4．1支持向量机

3．4．2贝叶斯分类器

3．4．3决策树

3．4．4神经网络

3．5机器学习案例——猫狗分类

3．5．1安装TensorFlow和Keras库

3．5．2案例实现

本章总结

本章习题

第4章计算机视觉及应用

4．1计算机视觉基础

4．1．1计算机视觉的基本概念

4．1．2计算机视觉的作用

4．1．3计算机视觉的基本原理

4．2计算机视觉技术

4．2．1图像处理

4．2．2图像分类

4．2．3特征提取

4．3基于深度学习的图像识别

4．3．1卷积运算

4．3．2利用卷积提取图像特征

4．3．3基于深度神经网络的图像分类

4．3．4目标检测

4．4视频行为识别

4．5计算机视觉应用

4．5．1图像分类的应用

4．5．2人脸识别

本章总结

本章习题

第5章语音识别及应用

5．1语音识别

5．1．1语音识别的定义

5．1．2语音识别发展历程

5．1．3语音识别的分类

5．1．4语音识别的流程

5．2语音合成

5．3语音识别的应用案例——语音助手

本章总结

本章习题

第6章自然语言处理

6．1自然语言处理导入

6．2自然语言处理的基本原理

6．2．1自然语言处理的定义

6．2．2自然语言处理的基本技术原理

6．2．3自然语言处理的技术发展

6．3自然语言处理的应用场景

6．3．1从文本中挖掘主题

6．3．2自然语言处理的应用领域和应用场景

6．3．3自然语言处理的未来应用——人机交互系统

6．4自然语言处理案例——文本预测和生成

本章总结

本章习题

第7章知识图谱及应用

7．1知识图谱引言

7．2知识图谱简介

7．2．1知识图谱的定义

7．2．2知识图谱的架构

7．3知识图谱应用

7．3．1问答系统

7．3．2行业应用

7．4知识图谱展望

7．5知识图谱案例

本章总结

本章习题

第8章人工智能行业解决方案

8．1智慧交通

8．1．1无人驾驶汽车

8．1．2共享单车

8．1．3公安交通指挥系统

8．2智能制造

8．2．1工业3D分拣机器人

8．2．2智能工厂

8．2．3智能设备

8．3智慧医疗

8．3．1达?芬奇机器人

8．3．2医疗影像诊断

8．3．3陪伴机器人

8．4智慧金融

8．4．1智能客服

8．4．2数字员工

8．4．3定损宝

本章总结

本章习题

附录A搜索算法

附录B人工智能平台环境搭建

B.1环境背景

B.2Python环境搭建

B.2．1下载Python安装文件

B.2．2安装Python

B.2．3配置Python环境变量

B.2．4测试Python环境

B.3pip命令

B.3．1测试pip

B.3．2pip install命令

B.3．3安装科学计数模块(numpy)

B.3．4安装数据可视化模块(matplotlib)

B.3．5安装机器学习模块(sklearn)

B.3．6安装自然语言处理工具包(nltk)

B.3．7安装自然语言中处理主题分析模块(gensim)

B.3．8安装语音识别模块(python_speech_features)

B.3．9安装隐马尔可夫模型(hmmlearn)

B.3．10安装神经网络模块依赖包(cvxopt)

B.3．11安装神经网络模块依赖包(pystruct)

B.3．12安装神经网络模块(neurolab)

B.3．13安装机器视觉模块(opencv)

B.3．14安装图像处理库(Pillow)

B.4Anaconda环境搭建

B.4．1下载Anaconda安装文件

B.4．2安装Anaconda

B.4．3Anaconda Prompt工具

B.4．4Jupyter Notebook工具

B.4．5Spyder工具

参考文献